李慧翔 劉 博

（國網(wǎng)豐寧縣供電公司）

0 引言

在信息時代下，各行各業(yè)朝向信息化經(jīng)營模式發(fā)展已經(jīng)成為必然趨勢。其中電力行業(yè)通過信息集成系統(tǒng)實現(xiàn)了一站式管理，但其中生成的海量數(shù)據(jù)無法得到充分利用。如何充分挖掘、有效利用這些數(shù)據(jù)成為目前行業(yè)關(guān)注焦點話題。電力管理信息系統(tǒng)運行中生成了大量變電站運行信息、銷售數(shù)據(jù)，通過數(shù)據(jù)挖掘技術(shù)可有效獲取其中的隱藏、有價值信息，解決數(shù)據(jù)分析問題，為用戶決策提供信息支撐，保障電網(wǎng)運行可靠性。目前數(shù)據(jù)挖掘的營銷效果評價主要采用決策樹算法，直接影響整個信息挖掘與分析系統(tǒng)的性能，因此加強改進決策樹的電力營銷數(shù)據(jù)挖掘方法研究有著重要意義。本次設(shè)計以C5.0決策樹為基礎(chǔ)，通過引入信息熵的方案，在保障分類精準(zhǔn)性的前期下，提高信息分類時間效率，進一步強化電力營銷數(shù)據(jù)挖掘性能，為電力企業(yè)管理決策提供高質(zhì)量數(shù)據(jù)支撐。

1 改進決策樹算法的必要性

在信息時代下，電力營銷數(shù)據(jù)分析處理對電力企業(yè)決策、發(fā)展、規(guī)避風(fēng)險有著重要意義。常見電力營銷數(shù)據(jù)處理分析運算方法包括BP神經(jīng)網(wǎng)絡(luò)、云計算以及決策樹。目前電力系統(tǒng)數(shù)據(jù)與營銷數(shù)據(jù)挖掘主要是采用決策樹算法，并且在多年發(fā)展中決策樹算法也在不斷更迭，如ID3.0決策樹、C4.5決策樹等。但這些決策樹算法均存在一定弊端。如基于C4.5決策樹的電力側(cè)大數(shù)據(jù)挖掘營銷效果評價方法，該方法結(jié)合BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)，可實現(xiàn)對電力營銷數(shù)據(jù)的快速挖掘功能；再如基于C4.5決策樹算法的電力客戶欠費風(fēng)險預(yù)測模型，可判斷電力客戶欠費概率和趨勢。雖然這些方法在技術(shù)層面上實現(xiàn)了突破，但其決策樹算法核心依然是ID3，功能上限較低［1］。而C5.0決策樹算法作為C4.5決策樹的迭代產(chǎn)品，綜合性能更高、可用性更強。

因此，為了快速獲取高精度電力營銷數(shù)據(jù)，為用戶決策提供信息支撐，加強決策樹算法改進研究工作十分必要。通過C5.0決策樹對電力營銷數(shù)據(jù)進行深層挖掘、分析，在C5.0決策樹基礎(chǔ)上引入信息熵實現(xiàn)進一步改進，可有效提升信息分類精度和效率，從而更好的滿足電力營銷中分類預(yù)測需求。

2 C5.0決策樹算法原理

C5.0決策樹在ID3核心架構(gòu)決策樹算法的基礎(chǔ)上實現(xiàn)了升級，之前的C4.5決策樹是一種連續(xù)型算法，注重各項屬性的關(guān)聯(lián)性，并在ID3決策樹基礎(chǔ)上新增2個屬性，即分離信息、信息增益，有助于搭建多分支決策樹。C5.0決策樹相對于C4.5決策樹在內(nèi)存管理等方面實現(xiàn)了升級，雖然核心算法相同，但在商業(yè)領(lǐng)域可用性更強。C5.0決策樹算法的核心就是確定分裂屬性。

假設(shè)某個訓(xùn)練樣本集為S，其中包含了s個樣本量、m個不同種類xi（i＝1，2，…，m）。S中的某個屬性D，其取值范圍為［1，k］。Vi表示不同種類xi樣本總數(shù)。S中D屬性不同，可將S分成k個子集。si為上述子集中的第i個子集，i＝l，2，…／，k，［si］代表子集si樣本數(shù)量。以此計算信息增益Gain（S，D）以及信息增益比率GainRatio（S，D）［2］。

式中，E（S，D）為D劃分出k個子集熵加權(quán)和；I（si，s2，…，sk）為S的熵。

式中，Split＿Info（S，D）代表分裂信息項。

在選取分裂屬性當(dāng)中，根據(jù)C5.0決策樹算法，從多個分裂屬性中選擇增益比率最高的屬性，將該屬性定義為分裂屬性。確定分裂屬性后執(zhí)行最佳分割點的確定步驟，以核心數(shù)據(jù)為決策樹主干，在決策樹主干上生成k個分支。隨著信息值增加和更新，最佳分裂屬性產(chǎn)生連續(xù)變量，通過分箱策略設(shè)定劃分值，劃分值以上的樣本數(shù)據(jù)進行二次劃分，直到低于劃分值為止。通過循環(huán)分裂屬性即可生成最終的決策樹，代表決策樹模型建立完成。

3 改進C5.0決策樹算法

分析C5.0決策樹算法原理可知，想要實現(xiàn)該決策樹的功能，需要在每個屬性節(jié)點上急性算法運算，并且要先計算信息增益Gain（S，D），再計算信息增益比率GainRatio（S，D），這樣才能夠確定分裂屬性。整個計算過程需要對數(shù)據(jù)集S以及子集進行多次運算，雖然可以在一定程度上保證計算精度，但是整個計算流程較長，會耗費較多的時間，如果連續(xù)多次運算整體性能不夠理想。因此，本文通過引入信息熵改進屬性選擇方式。假設(shè)P為正例屬性個數(shù)、n為反例屬性個數(shù)，信息量計算公式為［3］：

由于n、p均為常量，在重復(fù)循環(huán)中，可通過信息熵選取節(jié)點屬性，期間減少了子集運算量，整個運算過程結(jié)構(gòu)更加簡單，可提高計算效率，特別是在連續(xù)計算下，其運算效率作用更加明顯。但由于本設(shè)計結(jié)果并非是精準(zhǔn)數(shù)值而是約等值，因此相比C5.0決策樹算法，改進C5.0決策樹算法的分類精度可能會略有下降，但不會對整體性能造成明顯負面影響［4］。

4 改進C5.0決策樹在電力營銷中的應(yīng)用

4.1 數(shù)據(jù)模型設(shè)計

在電力企業(yè)管理系統(tǒng)（電力營銷系統(tǒng)）中融入改進C5.0決策樹，以售電量為核心，搭建電力企業(yè)各部門數(shù)據(jù)庫表格之間的映射關(guān)系，從而形成整個數(shù)據(jù)模型。如基于銷售電統(tǒng)計表，可映射出供電局信息、時間、行業(yè)信息、電壓等級、電價類別。

4.2 數(shù)據(jù)挖掘流程

基于C5.0決策樹的電力營銷系統(tǒng)數(shù)據(jù)挖掘流程為：數(shù)據(jù)庫→數(shù)據(jù)過濾→訓(xùn)練生成決策樹→修建決策樹、分類規(guī)則庫→改進算法數(shù)據(jù)挖掘→結(jié)果輸出。

5 試驗與結(jié)果分析

5.1 試驗環(huán)境

為了檢驗基于C5.0決策樹的電力營銷數(shù)據(jù)挖掘方案性能，對該決策樹進行分類方法進行驗證和分析。試驗硬件為：Inerl core i9 3.2GHz中央處理器、GTX1060＠8G顯存的顯卡（圖像處理設(shè)備）、16G運存。試驗軟件為：Windows 10操作系統(tǒng)、MATLAB 8.0仿真軟件。

5.2 改進C5.0決策樹算法性能驗證

針對C5.0決策樹算法性能驗證試驗，本次采用了UCI機器學(xué)習(xí)數(shù)據(jù)集通過分類測試方法對比驗證。準(zhǔn)備數(shù)據(jù)集20組，每組120個數(shù)據(jù)，共計2400個樣本。從中2400個樣本中挑選1000個樣本用作訓(xùn)練樣本，剩余1400個樣本作為測試樣本。每組試驗開展10次，去除最高值和最低值，剩余8個測試值取均值為最終數(shù)據(jù)［5］。

隨著測試樣本數(shù)量逐漸增多，C5.0決策樹與改進C5.0決策樹的準(zhǔn)確率十分相近，在時間分類對比中，隨著測試樣本數(shù)量逐漸增多，改進C5.0決策樹分類時間明顯有縮短趨勢，提高了分類效率。

5.3 改進C5.0決策樹實際應(yīng)用

以某電力企業(yè)2021年期間電力營銷數(shù)據(jù)為采樣對象，設(shè)定電力營銷測試數(shù)據(jù)集，通過改進C5.0決策樹進行分析運算。整個數(shù)據(jù)集中包括同一個地區(qū)，不同崗位用戶、不同年齡用戶的用電樣本數(shù)據(jù)。共有100個樣本數(shù)據(jù)，選擇其中50個數(shù)據(jù)作為訓(xùn)練樣本，剩余50個數(shù)據(jù)作為測試樣本。通過將訓(xùn)練樣本進行改進C5.0決策樹運算，將具有最大信息增益屬性值作為決策樹的葉節(jié)點，循環(huán)決策樹執(zhí)行步驟，通過重復(fù)運算得出該數(shù)據(jù)樣本中的決策樹模型和分類規(guī)則，通過測試樣本所得到的分類決策樹進行模型驗證［6］。為了能夠更加直觀的看到改進C5.0決策樹的性能優(yōu)勢，本次試驗還同時進行了BP神經(jīng)網(wǎng)絡(luò)、ID3.0決策樹模型建立，對比分析不同模型分類準(zhǔn)確率、分類時間的差異性。見下表。

表 不同分類模型結(jié)果對比

通過上表可以看到，改進C5.0決策樹在分類準(zhǔn)確率、分類時間上均優(yōu)于ID3.0決策樹和BP神經(jīng)網(wǎng)絡(luò)，即便是標(biāo)準(zhǔn)的C5.0決策樹相比前兩者也有明顯優(yōu)勢。在分類精準(zhǔn)率對比階段，C5.0決策樹算法以87.9%準(zhǔn)確率排在首位，第二是改進C5.0決策樹以87.0%準(zhǔn)確率排在次位，BP神經(jīng)網(wǎng)絡(luò)、ID3.0決策樹分別以83.9%、79.1%分別排列在第三和第四；在分類效率對比階段，改進C5.0決策樹算法以1.85s的分類時間排在首位，第二是C5.0決策樹以2.16s分類時間排在次位，ID3.0決策樹、BP神經(jīng)網(wǎng)絡(luò)分別以2.33s分類時間、2.69s分類時間分別排列在第三和第四。

綜合來看，改進C5.0決策樹算法雖然在精度上略低于標(biāo)準(zhǔn)改進C5.0決策樹算法，但其分類時間非常短，相比標(biāo)準(zhǔn)改進C5.0決策樹算法有明顯優(yōu)勢，可以更快的速度完成數(shù)據(jù)分類，提高了電力營銷數(shù)據(jù)挖掘、處理效率，改進C5.0決策樹算法的綜合分類性能更強，更適用于電力營銷工作需求。

6 結(jié)束語

綜上所述，由于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)、ID3.0決策樹分類精度較低、分類時間較長，而C5.0決策樹算法雖然要比C4.5決策樹性能更強，但由于核心架構(gòu)不變，因此在分類時間上提升不大，影響電力營銷數(shù)據(jù)處理分析效率?；诖耍疚奶岢隽艘环N改進C5.0決策樹算法的電力營銷數(shù)據(jù)挖掘技術(shù)，以C5.0決策樹算法為基礎(chǔ)，通過引入信息熵的方式改進屬性選擇方式，在分類準(zhǔn)確率不受較大影響下，有效提升了增益比率計算速度，讓分類時間進一步縮短。針對改進C5.0決策樹算法性能展開實際測試，改進C5.0決策樹算法在分類時間上優(yōu)于C5.0決策樹算法，分類精準(zhǔn)性相比C5.0決策樹算法下降不到1%，綜合性能要強于C5.0決策樹算法。相比BP神經(jīng)網(wǎng)絡(luò)和ID3.0決策樹，無論是分類精準(zhǔn)度、分類時間均有明顯的優(yōu)勢。